近年来，企业的避税行为不仅得到学术界的深入研究，同时也吸引了政策制定者的广泛关注。文[1-6]探讨了企业避税行为的内在动机，如Desai等^[1]、Johnson等^[2]和Friedman等^[3]的研究显示企业的隐性活动与官僚腐败高度相关; 马光荣等^[4]发现县级政府会将自身规模扩大后的财政压力施加到企业身上，导致更多的企业避税; 范子英等^[5]发现地税局税法执行力度不足导致了更多企业的避税行为; Cai等^[6]发现处于竞争激烈环境中的企业有更严重的避税行为。受到文[6]的启发，本文分析了企业避税行为的另一特定驱动力——由企业出口带来的影响。

关于出口的影响，文[7-13]都主要集中在出口增长促进经济发展或者企业技术进步的方面。在使用微观企业数据方面，也有不少探讨出口与企业经济行为的研究，例如Bernard等^[14]指出出口企业不仅生产率更高，出口企业的职工人数、平均工资水平以及资本密集度相比非出口企业都较高。张杰等^[15]发现出口行为的确促进了中国企业生产率的提高，但是出口对企业生产率的提高仅在短期内有效。然而，上述的研究都存在一个普遍的问题，即企业的出口决策相对内生。

本文利用1997年亚洲金融危机作为自然实验来解决出口内生性这一问题。在1995—1998年期间，由于各国汇率变化的巨大差异，同样的两家企业也会因出口地的不同而面临完全不同的出口需求冲击。考虑到企业出口目的国的汇率变动只会通过影响企业的出口从而影响企业的避税行为，因此使用企业面临的汇率冲击作为出口的工具变量的做法是合理的。

本文为每一个样本企业构造了对应的汇率冲击指数作为出口的工具变量。同时还加入了省份-行业的固定效应，可以有效地控制地区-行业层面的不可观测的因素。本文研究发现遭受金融危机影响更大的国家货币贬值会更严重，因此降低了对中国外资企业出口产品的需求，而这些外资企业便会更多地采取避税行为。然而，当出口国为发达国家时，企业的避税行为却有所收敛。同时，出口对企业避税行为的影响只在短期内有效。

本文首先建立检验出口对于企业避税行为影响的回归方程:

其中: TA_ikpt衡量的是属于行业k位于省份p的企业i在t年的避税量，E_ikpt为对数化的企业出口值，μ_i、γ_t分别为企业i和年度t的虚拟变量，e_ikpt是均值为0的误差项。将式(1) 取一阶差分，得到如下方程:

其中：根据本文使用的数据，ΔTA_ikpt为1998年与1995年避税额与出口值的变化值；ΔE_ikpt为2000年与1995年避税额与出口值的变化值; β₀等于年份固定效应的变化值(γ_t-γ_t-1); ε_ikpt为误差项，等于(e_ikpt-e_ikpt-1)。由于出口的内生性，式(2) 中的β₁衡量的不是企业避税与出口之间的因果关系，因此本文按照Park等^[16]的方法，构造了企业层面的汇率冲击指数S，作为企业出口的工具变量。

在使用汇率冲击指数进行工具变量回归的时候，需要先对工具变量有效性进行检验，第一阶段的回归如下:

其中: α₀为常数项，S_{i, 1998}为1998年企业i的汇率冲击指数，ψ_ikpt是均值为0的误差项。由于汇率冲击指数对于企业出口的影响与企业在初始年份的有关特征相关，因此在回归方程中还包括了汇率冲击指数与1995年企业特征变量的交叉项。

由第一阶段的回归得到的出口预测值PredΔE_ikpt，在第二阶段回归中将代替ΔE_ikpt:

为了得到无偏估计量β₁，作为工具变量的汇率冲击指数必须与时间趋势以及其他可能影响企业行为的因素无关。为了解决这个问题，本文在此基础上又进一步控制了企业在金融危机前(即1995年前)的初始特征变量X_{ikp, 1995}:

向量X_{ikp, 1995}中同时控制了1994年和1995年的企业特征变量，其中具体包含:省份-行业组合的固定效应(大约有300~400个虚拟变量)、1995年对数化销售收入、1994年对数化销售收入、1995年出口到最大2个出口目的地的出口份额、企业在1994年存在的虚拟变量、企业在1994年有出口的虚拟变量、外商投资份额、1995年对数化行业加权平均出口值(权数为1995年企业出口值)、企业规模、1995年企业出口占销售收入比重、1994年企业出口占销售收入比重、1995年企业出口全部产出的虚拟变量、1995年对数化出口值、1994年对数化出口值、1995年对数化资本劳动比、1995年对数化全要素生产率、1995年出口到香港的比例、1995年对数化企业出口目的地的加权平均人均国民生产总值(权数为1995年的企业出口值)。

本文采用了1995年的工业普查数据、1998年和2000年的工业企业数据。1995年的工业普查数据包含了详细到乡镇级及以上的企业的基本信息和财务状况。与此同时，在1995年的工业普查数据中，外资和合资企业需要注明最大的2个出口国以及对应的出口额。在工业企业数据中，企业虽然报告了详细的财务信息，却没有汇报有关贸易伙伴的信息。由于1995年工业普查数据和工业企业数据中的企业都使用了统一的公司代码，可以直接将这2套数据进行匹配，构造一个既包括企业财务信息，同时也包括贸易数据的面板数据。

中国企业出口目的国的名义汇率数据以及对应各国的消费者物价指数来自2004年度世界银行世界发展指数和彭博资讯。消费者物价指数来自中华人民共和国国家统计局(http://eng.stat.gov.tw)。联合国贸易数据库(U.N. Comtrade)为本文的分析提供了细化的出口数据，以及从香港再出口的数据。

将样本限制在外资企业难免有失一般性的嫌疑，然而，在中国的出口企业中，外商直接投资企业占比较高，且比重逐年上升。Lemoine等^[17]指出中国的出口大多数是以加工贸易的形式参与到国际垂直化分工中来的，1995年时中国的加工贸易出口额已占总出口的绝大多数份额。Hummels等^[18]提到当时中国的加工贸易，尤其是中间品贸易，已经成为全球贸易的主要形式，而且从事加工贸易的主要是跨国企业。

针对工业企业数据库，本文首先根据谢千里等^[19]的做法，剔除了职工人数少于8人的企业样本。然后，剔除了满足以下条件之一的企业: 1) 总资产小于流动资产; 2) 总资产小于固定资产净值; 3) 总资产小于总固定资产; 4) 销售额低于500万元。这个做法与Feenstra等^[20]采用的方法一致。同时，由于行业代码标准在2003年进行了调整，本文也按照Brandt等^[21]的方法对行业代码做了调整以保证各年间的一致。为了去除通货膨胀的影响，本文使用以1995年为基年的分省消费价格指数(consumer price index, CPI)对变量进行了平减调整。同时，本文也去掉了数值大于99%分位数的那些极端值所对应的样本。

参照文[6]的方法，本文利用估算利润与企业汇报利润之间的差额来表示避税额。同样按照文[4]的方法，同时将估算利润和汇报利润按照企业总资产进行标准化。企业汇报利润用RP_ijpt来表示，由中华人民共和国国家统计局提供的企业年报中“利润总额”这个变量代表，而企业的估算利润IP_ikpt则由下式计算而得:

其中: Y_ikpt为位于省份p处于4位码行业k的企业i在t年时的总产出，M_ikpt为中间使用投入，F_ikpt为财务费用，W_ikpt为应付工资总额，C_ikpt为当年折旧，V_ikpt为企业增值税。因此，企业的避税额TA_ikpt就等于IP_ijpt与RP_ijpt之间的差额。

根据文[16]提出的方法，构造各个企业对应的真实货币贬值额，分2步进行。

首先，假设外资企业所有的出口目的地构成一个集合J(从1到j)，本文用E_{j, 1998}表示企业出口目的地国家j的真实汇率变化值，表示如下:

其中: E_{j, t}为以人民币表示的名义汇率，P_{j, t}为国家j在t年时的CPI。

其次，则是为每一家外资企业构造企业层面的汇率冲击变量。对于企业i而言，s_i1和s_i2分别表示该企业在1995年出口到第1大和第2大贸易国的出口份额。因此，企业层面的汇率冲击即可表示为S_{i, 1998}=s_i1E_{1, 1998}+s_i2E_{2, 1998}。

表 1的统计数据表明：1995—1998年期间，出口额的平均增长率为0.36，较长时间来看，从1995—2000年，出口额的平均增长率为0.49，体现出快速增长的趋势。由此可见，由金融危机造成的出口波动仅仅只是放缓了出口的增长，还没有起到减少企业出口的影响。

本文分别使用了普通最小二乘法(ordinary least square, OLS)和工具变量法(instrumental variable, Ⅳ)来探讨出口变化对于企业避税行为的影响。表 2是使用OLS的回归结果，可以看到出口变化的系数无论是在1995—1998年期间还是在1995—2000年期间均为正数，且都在1%的水平上显著。1995—1998年，出口增加1%(对数化出口增加0.1) 带来了企业避税额0.08个百分点的上升; 1995—2000年，出口增加1%(对数化出口增加0.1) 带来了企业避税额0.04个百分点的上升。

首先，在使用Ⅳ的第一阶段，本文先对工具变量的选择进行了有效性检验。关于汇率冲击指数对企业出口影响的回归结果如表 3所示，在所有的回归中，都控制了省份-行业的固定效应，以及1995年即金融危机发生之前企业的特征变量。第1和第2列展示的是使用1995—1998年间样本的结果，而第3列和第4列则呈现的是使用1995—2000年间样本的回归结果。在第2列和第4列的回归中，包含了汇率冲击指数与一系列代表企业在1995年的特征变量:对数化的出口目的地人均GDP、出口到香港的比例、外资的份额、对数化资本劳动比、对数化销售收入以及对数化全要素生产率。加入交叉项之后的F值(第2列中的18.39和第4列中的6.544) 均大于不使用交叉项的F值(第1列中的11.34和第3列中的3.426)，表明加入交叉项之后的工具变量在一定程度上缓解了弱工具变量的问题。与使用OLS的回归结果相反的是，使用Ⅳ的回归估计却表明，出口的增加会减少企业的避税行为，如表 4所示。由于OLS遗漏了同时与企业出口和避税行为相关却不可观测的变量，因此本文认为使用Ⅳ的回归结果更为可信。表 3结果显示：1995—1998年间，出口增加1%(对数化出口增加0.1) 带来了企业避税额0.23个百分点的下降; 1995—2000年间，出口增加的影响却不再显著。

文[6]指出，估算出来的利润与企业自己汇报的利润之间存在差距，很有可能是由于不同的会计准则在记录收入和费用支出时的系统误差。因此，本文仍然按照文[6]中的方法估计了关税下降对于汇报利润和估算利润之间的弹性影响。回归结果如表 5所示，在所有的回归方程中都控制了省份-行业组合的固定效应，以及企业在1995年的特征变量。使用OLS的结果显示(如第1列所示)：出口增加，企业的汇报利润对于估算利润的反应更低，估算利润与出口增加交叉项的系数为-0.005，且在1%的水平上显著。与之相反的是，使用Ⅳ的结果却不显著，1995—1998年间估算利润与出口增加交叉项的系数为正，而1995—2000年间该交叉项的系数却为负，但二者均不显著。由前面的分析可知，使用汇率冲击作为出口的工具变量，可以在一定程度上避免由遗漏变量带来的偏误，因此依靠OLS得出的结论并不影响节3中的结论。

之前估算的实际利润是基于企业总产出得出的，而在企业财务报表中呈现的利润却是根据企业的营业收入推算的。因此，由于出口的不同而观察到企业这2种利润之间差距的增大很有可能并非是由企业的避税行为带来的。为了检验节3结论的稳健性，本文重新构造了基于企业营业收入的估算利润，表 6给出了对应的估计结果，实证结果并没有受到由于估算利润定义的改变带来的影响。

如表 6所示，第1列和第2列为使用1995—1998年间的数据，分别采用OLS和Ⅳ的回归结果，对数出口变化值的系数分别是0.026和-0.507，分别在5%和1%的水平下显著。第3列和第4列为使用1995—2000年间的数据，分别采用OLS和Ⅳ的回归结果，与前两列的规律一致，OLS的回归系数为0.029，在5%的水平下显著，Ⅳ的回归系数为-0.217。重新定义估算利润之后，本文的主要结果依然保持稳健。

通过逐个加入1995年企业自身的特征变量以及企业出口目的国的相关特征变量与对数出口变化值的交叉项，本文继而考察了企业异质性对结果的影响。本文只汇报了1995年企业特征变量与对数出口变化值的交叉项的估计结果，如表 7所示。

可以看出，出口目的地人均GDP、企业的外资份额、企业在初始阶段的资本密集程度与对数出口变化值的交叉项为负显著，意味着出口到人均GDP更高的国家，或者企业在初始阶段资本密集度更高，出口增加对于避税的负作用会更加明显。而另一方面，企业出口到香港的比例与对数出口变化值的交叉项却为正显著，表明出口到香港的比例越高，出口对于避税的抑制力度越小。

利用1997年亚洲金融危机这个自然实验，本文考察了经历金融危机后较短时间跨度(1995—1998年)内企业避税行为针对出口变化的改变，发现出口变化的系数为负显著。然而，将时间跨度从1995年延伸到2000年，出口变化的系数却不再显著。本文从多个维度考察了出口变化对企业避税的影响，有助于理解中国出口贸易发展带来的微观变化。结果表明:出口的增加除了以往研究所发现的正面影响之外，还能舒缓企业压力，从而降低企业避税的动机，对于增加政府财政收入还能有额外的正面影响。本文的研究结论对于政策制定也具有一定参考意义。